基于深度残差网络的图像超分辨率算法

作者：王剑峰; 彭中

来源：青岛科技大学学报(自然科学版), 2022, 43(04): 113-119.

DOI：10.16351/j.1672-6987.2022.04.015

• 超分辨率图像重建
• 深度残差网络
• 感知度量
• 类别先验

单幅图像超分辨率(SR)是从单个低分辨率(LR)图像推断出高分辨率(HR)图像的任务。大多数基于卷积神经网络(CNN)的深层SR模型没有充分利用原始LR图像的分层特征，性能相对较低。同时，将像素级误差作为损失函数，易产生缺乏高频纹理、过度平滑的图像。针对以上问题，本工作提出了改进的基于深度残差网络的图像超分辨率算法，通过残差密集块，获得稠密的局部特征，使用全局特征融合以全局方式自适应地学习全局分层特征；使用更合理的损失函数组合，结合分割概率图和空间特征变换模块，利用对抗学习的原理训练CNN,优化感知相似度。实验结果表明，本工作方法在高缩放因子下实现了图像质量的显著提升，深度残差网络可以重建出更逼真、视觉上更合理的纹理。

• 单位
  青岛科技大学